## Registered S3 methods overwritten by 'tibble':
## method from
## format.tbl pillar
## print.tbl pillar
## -- Attaching packages ---------------- tidyverse 1.3.0 --
## v ggplot2 3.3.2 v purrr 0.3.4
## v tibble 3.0.3 v dplyr 1.0.7
## v tidyr 1.1.1 v stringr 1.4.0
## v readr 1.3.1 v forcats 0.5.0
## Warning: package 'dplyr' was built under R version 4.0.5
## -- Conflicts ------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()
## Warning: package 'ggthemes' was built under R version 4.0.3
# PERU VS CHILE COLOMBIA MEXICO - AP
# PERU VS ARGENTINA BRASIL PARAGUAY URUGUAY VENEZUELA - MERCOSUR
# PERU VS COSTARICA EEUU CANADA ESPAÑA PORTUGAL - ODEC*
# ODEC* = Países analizadas en la RICYT menos los integrantes de la AP
bbdd <- function(data) {
data %>%
mutate(
Integración =
case_when(País %in% c("Chile", "Colombia", "México", "Perú") ~ "AP",
País %in%
c("Argentina", "Brasil", "Paraguay", "Uruguay", "Venezuela")
~ "MERCOSUR",
País %in% c("Costa Rica", "Estados Unidos", "Canadá", "España",
"Portugal") ~ "ODEC*",
TRUE ~ "OTROS_LAC")) %>%
filter(Integración != "OTROS_LAC")
}grafico <- function(data, xlab, ylab, valor1, valor2) {
#FORMATO LARGO
data_l <- data %>%
gather(key = "Año", value = "value", `2010`:`2019`)
# PERU VS PROMEDIOS AP Y MERCOSUR
data_r <- data_l %>%
group_by(Año, Integración) %>%
summarise(media = mean(value, na.rm = TRUE) %>% round(digits = 2))
# grafico
ggplot(data_l,
mapping = aes(x = value, y = País, color = Integración)) +
geom_point(size = 2.5) +
facet_wrap(.~Año) +
geom_vline(data = data_r,
mapping = aes(xintercept = media, color = Integración)) +
geom_text(data = data_r %>% filter(Integración == "AP"),
mapping = aes(label = media, x = valor1 * media, y = "Venezuela"),
color = "red") +
geom_text(data = data_r %>% filter(Integración == "MERCOSUR"),
mapping = aes(label = media, x = valor1 * media, y = "Argentina"),
color = "green") +
geom_text(data = data_r %>% filter(Integración == "ODEC*"),
mapping = aes(label = media, x = valor2 * media, y = "Estados Unidos"),
color = "blue") +
theme_igray() +
labs(x = xlab, y = ylab)
}Red Iberoamericana de Indicadores de Ciencia y Tecnología.
Definición: Población en millones
RICYT_CONTEXTO_POBLACION <-
read_excel("indicadores RICYT.xlsx",
sheet = "1.1", range = "B8:L37") %>%
bbdd()datatable(RICYT_CONTEXTO_POBLACION, class = "cell-border stripe",
editable = TRUE, extensions = "Buttons",
options = list(dom = "Bfrtip",
buttons = c("copy", "csv", "excel", "pdf", "print")))grafico(data = RICYT_CONTEXTO_POBLACION, xlab = "Población en Millones",
ylab = "País", valor1 = 1, valor2 = 1)## `summarise()` has grouped output by 'Año'. You can override using the `.groups` argument.
Definición: Población económicamente activa
RICYT_CONTEXTO_PEA <-
read_excel("indicadores RICYT.xlsx",
sheet = "1.2", range = "B8:L37") %>%
bbdd()datatable(RICYT_CONTEXTO_PEA, class = "cell-border stripe",
editable = TRUE, extensions = "Buttons",
options = list(dom = "Bfrtip",
buttons = c("copy", "csv", "excel", "pdf", "print")))## `summarise()` has grouped output by 'Año'. You can override using the `.groups` argument.
## Warning: Removed 6 rows containing missing values (geom_point).
Definición: Conjunto de bienes y servicios producidos en un país durante un año, expresado en millones de dólares corrientes.
RICYT_CONTEXTO_PBI <-
read_excel("indicadores RICYT.xlsx",
sheet = "1.3", range = "B8:L37") %>%
bbdd()datatable(RICYT_CONTEXTO_PBI, class = "cell-border stripe",
editable = TRUE, extensions = "Buttons",
options = list(dom = "Bfrtip",
buttons = c("copy", "csv", "excel", "pdf", "print")))grafico(data = RICYT_CONTEXTO_PBI,
xlab = "PBI (millones de U$S corrientes)", ylab = "País", valor1 = 8,
valor2 = 2)## `summarise()` has grouped output by 'Año'. You can override using the `.groups` argument.
## Warning: Removed 1 rows containing missing values (geom_point).
Notas generales: Las estimaciones en dólares fueron obtenidas aplicando los datos de Tipo de Cambio del Banco Mundial sobre la información en moneda local provista por cada país. Argentina: En 2014 el Instituto Nacional de Estadísticas y Censos de Argentina ha modificado su metodología para el cálculo del PBI tomando como año base a 2004 en lugar de 1993. En consecuencia, los valores anteriores de la serie 2004-2012 fueron corregidos.Cuba: Se utilizó el tipo de cambio oficial (1 Peso Cubano = 1 Dolar estadounidense)América Latina y el Caribe: Los datos son estimados.Iberoamérica: Los datos son estimados.
Definición: Conjunto de bienes y servicios producidos en un país durante un año, expresado en millones de dólares PPC.
RICYT_CONTEXTO_PPC <-
read_excel("indicadores RICYT.xlsx",
sheet = "1.4", range = "B8:L36") %>%
bbdd()datatable(RICYT_CONTEXTO_PPC, class = "cell-border stripe",
editable = TRUE, extensions = "Buttons",
options = list(dom = "Bfrtip",
buttons = c("copy", "csv", "excel", "pdf", "print")))grafico(data = RICYT_CONTEXTO_PPC,
xlab = "PBI (millones de U$S corrientes PPC)", ylab = "País",
valor1 = 8, valor2 = 2)## `summarise()` has grouped output by 'Año'. You can override using the `.groups` argument.
## Warning: Removed 3 rows containing missing values (geom_point).